​矿机巨头嘉楠冲刺IPO,看好边缘AI芯片新机会

在经历了多次尝试之后,矿机巨头嘉楠于10月29日再次宣告冲刺IPO。

最新公布的资料显示,作为全球第二大的矿机巨头、领先的ASIC设计专家和AI芯片的先行者,嘉楠Canaan在2018年的营收高达27.053亿元人民币(3.941亿美元),较2017年的13.081亿元人民币增长了106.8%。依据招股书披露,计划募资不超过4亿美元。而从公司的技术积累和产品布局来看,这家产业新贵似乎已经做好了登陆资本市场的所有准备。

比特币东风而起

据了解,嘉楠成立于2013年。公司最初专注于用于比特币挖掘的ASIC开发,这主要得益于公司董事长兼首席执行官张楠赓先生及其团队发明并交付了首批采用ASIC技术的加密货币矿机。这部分业务也毫无疑问是嘉楠赖以崛起的根本。

所谓比特币,根据维基百科,这是一种基于去中心化,采用点对点网络与共识主动性,开放源代码,以区块链作为底层技术的加密货币。是由中本聪(网名)(Satoshi Nakamoto)于2008年10月31日发表论文首次披露,并于2009年1月3日创世区块诞生的虚拟货币。比特币的特性使任何人都可以参与其中。整个行业也包含五个主要要素,即硬件供应,矿场和矿池的运营,交易和付款。根据其特征,大家就通过一种叫做“挖矿”的技术去参与比特币发行。

资料显示,这个“挖矿”是将交易记录添加到区块链的过程,该过程用于确认与网络其余部分的交易。挖矿被设计为资源密集型且困难的过程,以便矿工每天获得的区块数量保持稳定。各个模块必须包含工作量证明才能被视为有效。

根据原理,总网络哈希率和挖掘难度(表示矿工创建区块所需完成的任务的复杂性)之间存在正相关关系,因为网络上的挖掘难度越大,需要的哈希率就越高,导致对网络内挖矿硬件的需求越高。而嘉楠最初正是为了解决这个问题而生,公司也在过去多年的发展中成长为一个涵盖整个IC设计链条,能通过高性能计算专用芯片提供超级计算解决方案的供应商。

自2015年6月以来,嘉楠共完成了7款针对28nm,16nm和7nm ASIC的流片,仅在2017年,2018年和截至2019年6月30日的六个月中,公司就生产了1.3亿多个ASIC。自2017年以来,嘉楠已经发布了四代比特币矿机产品,公司也在这个领域中构筑了夯实的基础。

根据Frost&Sullivan的数据,截至2019年6月30日的六个月中出售的算力,嘉楠是全球比特币矿机的第二大厂商。在同一时期,嘉楠出售的比特币矿机占全球出售的所有比特币矿机的总算力的21.9%。依赖于过往的积累,嘉楠希望成为区块链技术的卓越计算能力提供商,并促进区块链行业的发展。嘉楠将通过整合最先进的技术,继续升级比特币矿机,以提高性能和竞争力。

除了为矿机提供强劲的算力,嘉楠在上述七款芯片上高达100%的流片成功率。出色的最终测试合格率不但证明了其拥有强大的设计能力,同时也让嘉楠积累了大量的知识产权。多年的ASIC设计经验,更让公司积累了宝贵的专业知识和多代工艺参数。嘉楠方面表示,他们是世界上为数不多的在ASIC设计过程中拥有先进技术积累的公司之一,包括算法开发和优化,标准单元设计和优化,低电压和高能效操作,高性能设计系统和散热等技术。公司也与台积电, STATS ChipPac,ASE和SPIL等行业领先供应商建立了紧密的合作关系。

10月24日下午,国家就区块链技术发展现状和趋势进行第十八次集体学习。国家强调,区块链技术的集成应用在新的技术革新和产业变革中起着重要作用。我们要把区块链作为核心技术自主创新的重要突破口,明确主攻方向,加大投入力度,着力攻克一批关键核心技术,加快推动区块链技术和产业创新发展。

这意味着区块链技术正式成为国家级产业,也是中央对于整个科技领域自主创新的高度重视。

自从新华社发布消息后,美股、港股、A股等资本市场的区块链概念股被资本热捧。

作为全球第二大矿机厂商,一旦上市成功,嘉楠Canaan也将成为真正意义上的“全球区块链第一股”,将引领中国区块链行业占据创新制高点、取得产业新优势。

看好边缘AI芯片的新机会

在ASIC上积累了丰富的嘉楠除了会持续耕耘包括比特币在内的区块链技术市场外,他们认为边缘AI芯片也是其新的成长机会所在。因为这些芯片和挖矿ASIC一样,都需要低功耗、高能效和流片成功率,而这恰好是嘉楠所具备的。公司也于2016年率先投入人工智能ASIC的研发。

到了2018年9月,嘉楠推出了第一代AI芯片勘智K210,该芯片是嘉楠的第一代内置了卷积神经网络加速器的系统级(SoC)AI 芯片。依赖这颗芯片,公司也成为业界第一家提供基于RISC-V架构的商用边缘计算AI芯片的公司。

资料显示,这颗SoC的CPU采用RISC-V精简指令集架构,内嵌的神经网络加速器IP则基于完全自研。作为一款瞄准IoT市场、定位于人工智能边缘计算领域的芯片,勘智K210同时具备机器视觉语音识别能力。这不但让他们可以在超低功耗下进行高速卷积神经网络计算,实现如基于卷积神经网络目标检测图像分类任务;还可以让芯片无需DSP的前提下,利用自带的APU语音处理单元,最高可支持8个音频数据通道,16个方向。这样的设计无需占用主CPU资源,仅用一颗芯片就可实现声源定向、声场成像、波束形成、语音唤醒、语音识别等机器听觉功能。

知名分析机构Frost&Sullivan表示,勘智K210具有出色的性能,被广泛认为是人工智能边缘计算领域硬件发展的里程碑。嘉楠的AI芯片是SoC架构下的一站式集成解决方案,具有机器视觉和机器听觉两大功能,可以无缝集成不同算法以处理各种应用场景,包括智能家居,智慧零售和智能驾驶。

嘉楠CEO张楠赓 

“与其他相同算力的系统相比,勘智K210能够实现更高的能效。此外,嘉楠的边缘计算AI芯片可保护和增强专有数据的保密性。与竞争对手提供的AI芯片相比,嘉楠的单个AI芯片可以处理更广泛的AI应用场景”,嘉楠方面指出。

至于这颗芯片的具体应用,嘉楠透露,截至2019年6月30日,他们已向AI产品开发人员交付了超过26,000台K210芯片和开发模组,其中大多数来自海外;公司同时还与20多家人工智能算法公司展开合作,共同开发面向终端消费者的整体人工智能解决方案;公司同时在积极探索与商业伙伴的合作,将其AI芯片集成到诸如智能家居,智能建筑和智慧零售等不同的IoT垂直市场中。

“嘉楠将不懈地磨砺IC设计能力和产品性能,并遵循嘉楠的长期研发路线图,与合作伙伴联合创新,从而推出AI的最佳方案,为最终客户提供高性能,全场景的行业AI解决方案”,嘉楠方面强调。

分析机构数据显示,在IoT和5G技术的支持下,预计边缘 AI芯片和云端 AI芯片将共同实现约45.1%的年复合增长率,而从2018年到2023年,云端AI芯片的复合年增长率约为22.3%,而全球边缘AI芯片的复合年增长率将达到约62.1%。

基于公司由127名成员(截至2019年6月30日)组成、平均拥有7年的行业经验的研发团队,嘉楠正在开发28nm AI芯片的第二代产品,与前一代产品相比,有望大大提高算力和能效。他们计划在2020年第一季度开始量产第二代芯片。此外,嘉楠还计划在2020年下半年推出第三代AI芯片。据介绍,第三代芯片将使用12nm制程技术,并且预计将适用于边缘和云计算

公司在AI方面的目标是计划利用AI芯片作为核心硬件,创建一个AI SaaS平台,为终端客户提供整合硬件、算法和软件的整体人工智能服务,创建一个完整、开放的生态系统。这个AI SaaS平台能够根据不同的物联网场景需求,为AI终端客户提供AI芯片模型、算法、定制软件和用户界面的优化组合。

在笔者看来,区块链的去中心化特性让其可以应用到交易和记账等多个应用当中,嘉楠过往在比特币挖矿ASIC上的深耕,让他们拥有了深度参与区块链产业的实力。而拥抱具有巨大市场潜力的AI芯片市场,必能帮助这家AI新贵走上新巅峰。

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业IPOAI芯片ASIC​嘉楠科技
相关数据
区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

比特币技术

比特币是一种用去中心化、全球通用、不需第三方机构或个人,基于区块链作为支付技术的电子加密货币。比特币由中本聪于2009年1月3日,基于无国界的对等网络,用共识主动性开源软件发明创立。比特币也是目前知名度与市场总值最高的加密货币。 任何人皆可参与比特币活动,可以通过称为挖矿的电脑运算来发行。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

语音处理技术

语音处理(Speech processing),又称语音信号处理、人声处理,其目的是希望做出想要的信号,进一步做语音辨识,应用到手机界面甚至一般生活中,使人与电脑能进行沟通。

图像分类技术

图像分类,根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读。

分析机技术

分析机是由英国数学家查尔斯·巴贝奇设计的一种机械式通用计算机。从1837年首次提出这种机器的设计,一直到他去世的1871年,由于种种原因,这种机器并没有被真正的制造出来。但它本身的设计逻辑却十分先进,是大约100年后电子通用计算机的先驱。

区块链技术技术

所谓区块链技术,简称BT(Blockchain technology),也被称之为分布式账本技术,是一种互联网数据库技术,其特点是去中心化、公开透明,让每个人均可参与数据库记录

目标检测技术

一般目标检测(generic object detection)的目标是根据大量预定义的类别在自然图像中确定目标实例的位置,这是计算机视觉领域最基本和最有挑战性的问题之一。近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法,并已经为一般目标检测领域带来了显著的突破性进展。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

机器视觉技术

机器视觉(Machine Vision,MV)是一种为自动化检测、过程控制和机器人导航等应用提供基于图像的自动检测和分析的技术和方法,通常用于工业领域。

端AI芯片技术

AI芯片部署的位置有两种:云端、终端。所以根据部署的位置不同,AI芯片可以分为:云AI芯片、端AI芯片。终端,即手机、安防摄像头、汽车、智能家居设备、各种IoT设备等执行边缘计算的智能设备。终端的数量庞大,而且需求差异较大。

推荐文章
暂无评论
暂无评论~